
import pandas as pd
import numpy as np
from scipy import stats
from matplotlib import pyplot as plt
import seaborn as sns

sns.set(style='whitegrid', rc={"grid.linewidth": 0.1})
sns.set_context("paper", font_scale=1.8)


df_plot = df = pd.read_csv('../Datasets/improved_08_2020.csv',index_col=0)
target_columns = ['AGE','GT','SBP','DBP','MBP','HR','IA','SpO2','Weight','Cl-','LACT','AMYL','ALT','AST','APTV','VOL_%','CI','B_surface','Diur_p_kg', 'OUTCOME']
df = df[['ID','Day']].join(df[target_columns])
df.columns = target_columns = ['ID','Day','Возраст','GT','САД', 'ДАД','СрАД','ЧСС','ИА','SpO2','Масса тела','Cl-','Лактат','Амилаза','АЛТ','АСТ','АЧТВ','Инфузия, % от N','КИ','Площадь тела','Диурез, мл/кг', 'OUTCOME']
df[2:].describe().T


df_plot = df_plot[['ID','AGE','SEX','OUTCOME','Weight','Day']].groupby('ID',as_index=False).max()
sns.boxplot(x=df_plot['OUTCOME'].replace({'Died':'умершие','Survived':'выжившие'}),y = df_plot['AGE'])
plt.ylabel('Возраст')
plt.xlabel('Исходы')
plt.show()
sns.boxplot(x=df_plot['OUTCOME'].replace({'Died':'умершие','Survived':'выжившие'}),y = df_plot['Weight'])
plt.ylabel('Масса тела')
plt.xlabel('Исходы')
plt.show()
sns.boxplot(x=df_plot['SEX'].replace({0:'девочки',1:'мальчики'}),y = df_plot['AGE'])
plt.ylabel('Возраст')
plt.xlabel('Пол')
plt.show()
sns.boxplot(x=df_plot['SEX'].replace({0:'девочки',1:'мальчики'}),y = df_plot['Weight'])
plt.ylabel('Масса тела')
plt.xlabel('Пол')
plt.show()


# 1й день - день поступления пациента
df_1 = df[df['Day']==1].copy()
df_1.head()


# Пациенты, которые получали ГТ имеют параметр GT=1
df_1_1 = df_1[df_1['GT']==1].loc[:,target_columns]
df_1_1.describe().T


# Пациенты, которые не получали ГТ имеют параметр GT=0
df_1_0 = df_1[df_1['GT']==0].loc[:,target_columns]
df_1_0.describe().T


sns.barplot(data = [[df_1_1.shape[0]],[df_1_0.shape[0]]])
plt.title('Размер групп');


figure,ax = plt.subplots(len(target_columns[4:-1]),2,figsize=(14,60))
sns.set(style='whitegrid', rc={"grid.linewidth": 0.1})
sns.set_context("paper", font_scale=1.8)
for k,i in enumerate(target_columns[4:-1]):
    sns.histplot(df_1[df_1['GT']==0][i],bins=10,ax=ax[k,0])
    sns.histplot(df_1[df_1['GT']==1][i],bins=10,ax=ax[k,1])
    ax[k,0].set_title(i+' (без гормонотерапии)')
    ax[k,1].set_title(i+' (с гормонотерапией)')
    ax[k,0].set(ylabel='Количество')
    ax[k,1].set(ylabel='Количество')
plt.tight_layout()


for k,i in enumerate(target_columns[4:-1]):
    group0 = df_1[df_1['GT']==0][i]
    group1 = df_1[df_1['GT']==1][i]
    alpha = 0.05
    test_value, p  = stats.kruskal(group0,group1)
    if alpha<p:
        print(f'Разница по параметру {i} между двумя группами не доказана.')
        print(f'\tСтатистика теста = {test_value}, p-значение = {p}')
    else:
        print(f'По параметру {i} наблюдается статистически достоверная разница между двумя группами.')
        print(f'\tСтатистика теста = {test_value}, p-значение = {p}')

Разница по параметру САД между двумя группами не доказана.
	Статистика теста = 0.11443160099865324, p-значение = 0.7351541512429405
Разница по параметру ДАД между двумя группами не доказана.
	Статистика теста = 1.112126748561025, p-значение = 0.2916201074564546
Разница по параметру СрАД между двумя группами не доказана.
	Статистика теста = 0.523578417859714, p-значение = 0.46931920967899676
Разница по параметру ЧСС между двумя группами не доказана.
	Статистика теста = 0.3353400637681386, p-значение = 0.5625314557621811
Разница по параметру ИА между двумя группами не доказана.
	Статистика теста = 0.6680609195051993, p-значение = 0.41372847665338275
Разница по параметру SpO2 между двумя группами не доказана.
	Статистика теста = 0.09908352497067502, p-значение = 0.7529322240495818
Разница по параметру Масса тела между двумя группами не доказана.
	Статистика теста = 0.003787269311534843, p-значение = 0.9509285271363441
Разница по параметру Cl- между двумя группами не доказана.
	Статистика теста = 0.5519885703080256, p-значение = 0.45750630191163844
Разница по параметру Лактат между двумя группами не доказана.
	Статистика теста = 0.37711817743480913, p-значение = 0.5391495885812169
Разница по параметру Амилаза между двумя группами не доказана.
	Статистика теста = 1.8594000604497372, p-значение = 0.17269405785441783
Разница по параметру АЛТ между двумя группами не доказана.
	Статистика теста = 0.0009157667491814055, p-значение = 0.9758583907976189
Разница по параметру АСТ между двумя группами не доказана.
	Статистика теста = 0.4442318284015269, p-значение = 0.5050869723538601
Разница по параметру АЧТВ между двумя группами не доказана.
	Статистика теста = 0.6017372311236614, p-значение = 0.43791596033723235
Разница по параметру Инфузия, % от N между двумя группами не доказана.
	Статистика теста = 0.00024560144789700233, p-значение = 0.9874963230100028
Разница по параметру КИ между двумя группами не доказана.
	Статистика теста = 2.1548614517932045, p-значение = 0.1421192624455615
Разница по параметру Площадь тела между двумя группами не доказана.
	Статистика теста = 1.490040773820666, p-значение = 0.2222101336640354
Разница по параметру Диурез, мл/кг между двумя группами не доказана.
	Статистика теста = 0.6407663428469124, p-значение = 0.4234334295147887


# Составление списков пациентов получавших ГТ более 1 дня и только один (первый) день
# выбираем из датасета df  Day>1, GT = 1 и только тех пациентов, которые находятся в списке df_1_gt_1 (получали ГТ в первый день)
a = df.loc[(df['Day']>1)&(df['ID'].isin(df_1_gt_1)),:].groupby('ID', as_index=False).max()
df_gt_more1day = df.loc[df.ID.isin(a.loc[a.GT==1,'ID']),:]
print(f'{df_gt_more1day["ID"].nunique()} получали ГТ более 1 дня.')
df_gt_only1day = df.loc[df.ID.isin(a.loc[a.GT==0,'ID']),:]
print(f'{df_gt_only1day["ID"].nunique()} получали ГТ только в 1й день')

67 получали ГТ более 1 дня.
12 получали ГТ только в 1й день


sns.barplot(data = [[df_gt_more1day["ID"].nunique()],[df_gt_only1day["ID"].nunique()]])
plt.title('Размер групп');


# Описательная статистика пациентов, которые получали ГТ только в 1й день
df_gt_only1day[target_columns[2:]].describe().T


# Описательная статистика пациентов, которые получали ГТ в 1й и любой (любые) последующие дни
df_gt_more1day[target_columns[2:]].describe().T


a = pd.DataFrame(df_gt_more1day[target_columns[2:-1]].median()).rename(columns = {0:'ГТ\: 1 и последующие дни'})
a_ = []
for i in target_columns[2:-1]:    
          a_.append(df_gt_only1day[df_gt_only1day[i]>0][i].median())
a['ГТ: только 1й день'] = a_
a


# for k,i in enumerate(target_columns[3:]):
#     print('Параметр =',i,'\nСреднее = ',df_gt_more1day[i].mean(),'std =',df_gt_more1day[i].std(ddof=1))
figure,ax = plt.subplots(len(target_columns[3:]),4,figsize=(19,70))
for k,i in enumerate(target_columns[3:]):
    try:
        sns.histplot(df_gt_more1day[i],bins=10,ax=ax[k,0])
        interval = np.linspace(0,1,int(df_gt_more1day[i].count()))
        x = stats.norm.ppf(np.linspace(0,1,int(df_gt_more1day[i].count())),loc=df_gt_more1day[i].mean(),scale=df_gt_more1day[i].std(ddof=1))
        y = np.quantile(df_gt_more1day[i],interval)
        sns.lineplot(x = x,y = x,ax=ax[k,1],color='r')
        sns.lineplot(x = x,y = y,ax=ax[k,1],color='b')
        sns.scatterplot(x = np.linspace(0,int(df_gt_more1day[i].max()),int(df_gt_more1day[i].count())),y = df_gt_more1day[i],ax=ax[k,1],color='grey')
        sns.histplot(df_gt_only1day[i],bins=10,ax=ax[k,2])
        interval = np.linspace(0,1,int(df_gt_only1day[i].count()))
        x = stats.norm.ppf(np.linspace(0,1,int(df_gt_only1day[i].count())),loc=df_gt_only1day[i].mean(),scale=df_gt_only1day[i].std(ddof=1))
        y = np.quantile(df_gt_only1day[i],interval)
        sns.lineplot(x = x,y = x,ax=ax[k,3],color='r')
        sns.lineplot(x = x,y = y,ax=ax[k,3],color='b')
        sns.scatterplot(x = np.linspace(0,int(df_gt_only1day[i].max()),int(df_gt_only1day[i].count())),y = df_gt_only1day[i],ax=ax[k,3],color='grey')
        ax[k,0].set_title(i+' (ГТ более 1 дня)')
        ax[k,1].set_title(i+' (ГТ более 1 дня: QQ-plot)')
        ax[k,2].set_title(i+' (ГТ только 1 день)')
        ax[k,3].set_title(i+' (ГТ только 1 день: QQ-plot)')
        plt.tight_layout()

    except Exception:
        ax[k,0].set_title(i+' (ГТ более 1 дня)')
        ax[k,1].set_title(i+' (ГТ более 1 дня: QQ-plot)')
        ax[k,2].set_title(i+' (ГТ только 1 день)')
        ax[k,3].set_title(i+' (ГТ только 1 день: QQ-plot)')
        plt.tight_layout()
        pass


for k,i in enumerate(target_columns[3:]):
    group0 = df_gt_more1day[i]
    group1 = df_gt_only1day[i]
    alpha = 0.05
    test_value, p  = stats.kruskal(group0,group1)
    if alpha<p:
        print(f'Разница по параметру {i} между двумя группами не доказана.')
        print(f'\tСтатистика теста = {test_value}, p-значение = {p}')
    else:
        print(f'По параметру {i} наблюдается статистически достоверная разница между двумя группами.')
        print(f'\tСтатистика теста = {test_value}, p-значение = {p}')

По параметру САД наблюдается статистически достоверная разница между двумя группами.
	Статистика теста = 26.218567643278483, p-значение = 3.0487697376477805e-07
По параметру ДАД наблюдается статистически достоверная разница между двумя группами.
	Статистика теста = 19.304463036624547, p-значение = 1.1144554794520444e-05
По параметру СрАД наблюдается статистически достоверная разница между двумя группами.
	Статистика теста = 25.139356409216873, p-значение = 5.333320107240081e-07
Разница по параметру ЧСС между двумя группами не доказана.
	Статистика теста = 3.088306044690933, p-значение = 0.07885686053906409
По параметру ИА наблюдается статистически достоверная разница между двумя группами.
	Статистика теста = 16.206544906897964, p-значение = 5.6797546574518804e-05
По параметру SpO2 наблюдается статистически достоверная разница между двумя группами.
	Статистика теста = 5.7300979129513445, p-значение = 0.016676552788156995
По параметру Масса тела наблюдается статистически достоверная разница между двумя группами.
	Статистика теста = 38.85301635175421, p-значение = 4.569472943423873e-10
По параметру Cl- наблюдается статистически достоверная разница между двумя группами.
	Статистика теста = 23.1271372459541, p-значение = 1.516354462462358e-06
По параметру Лактат наблюдается статистически достоверная разница между двумя группами.
	Статистика теста = 11.888308394437699, p-значение = 0.0005648740017549229
Разница по параметру Амилаза между двумя группами не доказана.
	Статистика теста = 1.826725211334726, p-значение = 0.17651483739733703
По параметру АЛТ наблюдается статистически достоверная разница между двумя группами.
	Статистика теста = 19.08759239256028, p-значение = 1.2485395985915131e-05
По параметру АСТ наблюдается статистически достоверная разница между двумя группами.
	Статистика теста = 28.729381279015403, p-значение = 8.323135144674942e-08
По параметру АЧТВ наблюдается статистически достоверная разница между двумя группами.
	Статистика теста = 5.946116217335522, p-значение = 0.014749747952607322
По параметру Инфузия, % от N наблюдается статистически достоверная разница между двумя группами.
	Статистика теста = 13.994339065132305, p-значение = 0.00018336186131891858
По параметру КИ наблюдается статистически достоверная разница между двумя группами.
	Статистика теста = 6.931944636150558, p-значение = 0.00846695781657716
По параметру Площадь тела наблюдается статистически достоверная разница между двумя группами.
	Статистика теста = 20.060360127079182, p-значение = 7.503593119764976e-06
По параметру Диурез, мл/кг наблюдается статистически достоверная разница между двумя группами.
	Статистика теста = 7.630286953775266, p-значение = 0.005739617009100049


df_only1_users = df.loc[(df.Day==1) & (df.GT==1),'ID'].unique()
df_only1 = df.loc[df.ID.isin(df_only1_users),:]
df_not1_users = df.loc[((df.Day>1) & (df.GT==1))&((df.Day==1) & (df.GT==0)),'ID'].unique()
df_not1 = df.loc[df.ID.isin(df_not1_users),:]


print(f' Размер первой группы = {df_only1.shape[0]}')

 Размер первой группы = 619


print(f' Размер первой группы = {df_not1.shape[0]}')

 Размер первой группы = 0


df_only1_users = df.loc[df.GT==1,'ID'].unique()
df_only1 = df.loc[df.ID.isin(df_only1_users),:]
df_noGT_users = df.groupby('ID',as_index=False).max()
df_noGT_users = df_noGT_users.loc[df_noGT_users.GT==0,'ID']
df_noGT = df.loc[df.ID.isin(df_noGT_users),:]


print('Размер 1 и 2 групп: ',df_only1.shape[0],'и',df_noGT.shape[0])
sns.barplot(data = [[df_only1.shape[0]],[df_noGT.shape[0]]])
plt.title('Размер групп');

Размер 1 и 2 групп:  950 и 442


# for k,i in enumerate(target_columns[3:]):
#     print('Параметр =',i,'\nСреднее = ',df_gt_more1day[i].mean(),'std =',df_gt_more1day[i].std(ddof=1))
figure,ax = plt.subplots(len(target_columns[3:]),4,figsize=(19,70))
for k,i in enumerate(target_columns[3:]):
    try:
        sns.histplot(df_only1[i],bins=10,ax=ax[k,0])
        interval = np.linspace(0,1,int(df_only1[i].count()))
        x = stats.norm.ppf(np.linspace(0,1,int(df_only1[i].count())),loc=df_only1[i].mean(),scale=df_only1[i].std(ddof=1))
        y = np.quantile(df_only1[i],interval)
        sns.lineplot(x = x,y = x,ax=ax[k,1],color='r')
        sns.lineplot(x = x,y = y,ax=ax[k,1],color='b')
        sns.scatterplot(x = np.linspace(0,int(df_only1[i].max()),int(df_only1[i].count())),y = df_only1[i],ax=ax[k,1],color='grey')
        sns.histplot(df_noGT[i],bins=10,ax=ax[k,2])
        interval = np.linspace(0,1,int(df_noGT[i].count()))
        x = stats.norm.ppf(np.linspace(0,1,int(df_noGT[i].count())),loc=df_noGT[i].mean(),scale=df_noGT[i].std(ddof=1))
        y = np.quantile(df_noGT[i],interval)
        sns.lineplot(x = x,y = x,ax=ax[k,3],color='r')
        sns.lineplot(x = x,y = y,ax=ax[k,3],color='b')
        sns.scatterplot(x = np.linspace(0,int(df_noGT[i].max()),int(df_noGT[i].count())),y = df_noGT[i],ax=ax[k,3],color='grey')
        ax[k,0].set_title(i+' (получали ГТ)')
        ax[k,1].set_title(i+' (получали ГТ: QQ-plot)')
        ax[k,2].set_title(i+' (не получали ГТ)')
        ax[k,3].set_title(i+' (не получали ГТ: QQ-plot)')
        plt.tight_layout()

    except Exception:
        ax[k,0].set_title(i+' (получали ГТ)')
        ax[k,1].set_title(i+' (получали ГТ: QQ-plot)')
        ax[k,2].set_title(i+' (не получали ГТ)')
        ax[k,3].set_title(i+' (не получали ГТ: QQ-plot)')
        plt.tight_layout()
        pass


for k,i in enumerate(target_columns[3:]):
    group0 = df_only1[i]
    group1 = df_noGT[i]
    alpha = 0.05
    test_value, p  = stats.kruskal(group0,group1)
    if alpha<p:
        print(f'Разница по параметру {i} между двумя группами не доказана.')
        print(f'\tСтатистика теста = {test_value}, p-значение = {p}')
    else:
        print(f'По параметру {i} наблюдается статистически достоверная разница между двумя группами.')
        print(f'\tСтатистика теста = {test_value}, p-значение = {p}')

Разница по параметру САД между двумя группами не доказана.
	Статистика теста = 0.789104211346105, p-значение = 0.3743711298061947
Разница по параметру ДАД между двумя группами не доказана.
	Статистика теста = 2.7054287237733887, p-значение = 0.10000719410523369
Разница по параметру СрАД между двумя группами не доказана.
	Статистика теста = 3.0993025343491, p-значение = 0.07832584439605056
Разница по параметру ЧСС между двумя группами не доказана.
	Статистика теста = 0.11643911886382965, p-значение = 0.7329291102177846
Разница по параметру ИА между двумя группами не доказана.
	Статистика теста = 1.6827012673646609, p-значение = 0.1945659039824976
Разница по параметру SpO2 между двумя группами не доказана.
	Статистика теста = 1.4013909315768618, p-значение = 0.23649082215979317
Разница по параметру Масса тела между двумя группами не доказана.
	Статистика теста = 0.5132014739655003, p-значение = 0.4737562370529689
Разница по параметру Cl- между двумя группами не доказана.
	Статистика теста = 1.9764596362236475, p-значение = 0.15976387408359172
Разница по параметру Лактат между двумя группами не доказана.
	Статистика теста = 0.1919501076089674, p-значение = 0.6612984919167608
По параметру Амилаза наблюдается статистически достоверная разница между двумя группами.
	Статистика теста = 23.36307258502768, p-значение = 1.3412884804072379e-06
Разница по параметру АЛТ между двумя группами не доказана.
	Статистика теста = 1.0558792745562107, p-значение = 0.3041569120249382
Разница по параметру АСТ между двумя группами не доказана.
	Статистика теста = 0.2507335853078321, p-значение = 0.6165590105483493
Разница по параметру АЧТВ между двумя группами не доказана.
	Статистика теста = 0.31955488822393074, p-значение = 0.5718752636675102
Разница по параметру Инфузия, % от N между двумя группами не доказана.
	Статистика теста = 3.2274101479296515, p-значение = 0.07241512567509965
По параметру КИ наблюдается статистически достоверная разница между двумя группами.
	Статистика теста = 44.58962956570288, p-значение = 2.4297524397228827e-11
Разница по параметру Площадь тела между двумя группами не доказана.
	Статистика теста = 1.1527486425364868, p-значение = 0.28297450085997505
Разница по параметру Диурез, мл/кг между двумя группами не доказана.
	Статистика теста = 2.2854119663953787, p-значение = 0.1305954615441217


group0 = df_only1['КИ'].drop(df_only1.loc[df_only1['КИ']>800,:].index,axis=0)
group1 = df_noGT['КИ']
alpha = 0.05
test_value, p  = stats.kruskal(group0,group1)
if alpha<p:
    print(f'Разница по параметру КИ между двумя группами не доказана.')
    print(f'\tСтатистика теста = {test_value}, p-значение = {p}')
else:
    print(f'По параметру КИ наблюдается статистически достоверная разница между двумя группами.')
    print(f'\tСтатистика теста = {test_value}, p-значение = {p}')

По параметру КИ наблюдается статистически достоверная разница между двумя группами.
	Статистика теста = 44.23698594591091, p-значение = 2.909321225967024e-11


group0 = df[df['OUTCOME']=='Survived']
group1 = df[df['OUTCOME']=='Died']
figure,ax = plt.subplots(len(target_columns[2:-1]),4,figsize=(19,75))
for k,i in enumerate(target_columns[2:-1]):
    try:
        sns.histplot(group0[i],bins=10,ax=ax[k,0])
        interval = np.linspace(0,1,int(group0[i].count()))
        x = stats.norm.ppf(np.linspace(0,1,int(group0[i].count())),loc=group0[i].mean(),scale=group0[i].std(ddof=1))
        y = np.quantile(group0[i],interval)
        sns.lineplot(x = x,y = x,ax=ax[k,1],color='r')
        sns.lineplot(x = x,y = y,ax=ax[k,1],color='b')
        sns.scatterplot(x = np.linspace(0,int(group0[i].max()),int(group0[i].count())),y = group0[i],ax=ax[k,1],color='grey')
        sns.histplot(group1[i],bins=10,ax=ax[k,2])
        interval = np.linspace(0,1,int(group1[i].count()))
        x = stats.norm.ppf(np.linspace(0,1,int(group1[i].count())),loc=group1[i].mean(),scale=group1[i].std(ddof=1))
        y = np.quantile(group1[i],interval)
        sns.lineplot(x = x,y = x,ax=ax[k,3],color='r')
        sns.lineplot(x = x,y = y,ax=ax[k,3],color='b')
        sns.scatterplot(x = np.linspace(0,int(group1[i].max()),int(group1[i].count())),y = group1[i],ax=ax[k,3],color='grey')
        ax[k,0].set_title(i+' (выжившие пациенты)')
        ax[k,1].set_title(i+' (выжившие пациенты: QQ-plot)')
        ax[k,2].set_title(i+' (умершие пациенты)')
        ax[k,3].set_title(i+' (умершие пациенты: QQ-plot)')
        plt.tight_layout()

    except Exception:
        ax[k,0].set_title(i+' (выжившие пациенты)')
        ax[k,1].set_title(i+' (выжившие пациенты: QQ-plot)')
        ax[k,2].set_title(i+' (умершие пациенты)')
        ax[k,3].set_title(i+' (умершие пациенты: QQ-plot)')
        plt.tight_layout()
        pass


# количество умерших (Died) и выживших (Survived) пациентов
sns.barplot(data = [[i] for i in df.groupby('ID')['OUTCOME'].first().value_counts()[::-1]]);


# описательная статистика выживших пациентов
df[df['OUTCOME']=='Survived'][target_columns[2:-1]].describe().T


# описательная статистика умерших пациентов
df[df['OUTCOME']=='Died'][target_columns[2:-1]].describe().T


# для сохранения результатов в виде таблицы
columns = ['Вариант','Показатель','Значимость различий','p_value','alpha']
append_list = []
# т.к. выборки разного размера, в одной из них - мало данных, распределение не нормальное (графики ниже), воспользуемся тестом Краскела-Уоллиса
for k,i in enumerate(target_columns[2:-1]):
    group0 = df[df['OUTCOME']=='Survived'][i]
    group1 = df[df['OUTCOME']=='Died'][i]
    alpha = 0.05
    test_value, p  = stats.kruskal(group0,group1)
    if alpha<p:
        append_list.append(['Все пациенты',i,'значимость различия не доказана',p,alpha])
    else:
        append_list.append(['Все пациенты',i,'обнаружены значимые различия',p,alpha])


# количество умерших (0) и выживших (1) пациентов, получавших ГТ
sns.barplot(data = [[i] for i in df[df['GT']==1].groupby('ID')['OUTCOME'].first().value_counts()[::-1]]);


# т.к. выборки разного размера, в одной из них - мало данных, распределение не нормальное (графики ниже), воспользуемся тестом Краскела-Уоллиса
for k,i in enumerate(target_columns[2:-1]):
    group0 = df[(df['OUTCOME']=='Survived')&(df['GT']==1)][i]
    group1 = df[(df['OUTCOME']=='Died')&(df['GT']==1)][i]
    alpha = 0.05
    try:        
        test_value, p  = stats.kruskal(group0,group1)
        if alpha<p:
            append_list.append(['Получали ГТ',i,'значимость различия не доказана',p,alpha])
        else:
            append_list.append(['Получали ГТ',i,'обнаружены значимые различия',p,alpha])
    except Exception:
        pass


# количество умерших (0) и выживших (1) пациентов, не получавших ГТ
sns.barplot(data = [[i] for i in df[df['GT']==0].groupby('ID')['OUTCOME'].first().value_counts()[::-1]]);


# т.к. выборки разного размера, в одной из них - мало данных, распределение не нормальное (графики ниже), воспользуемся тестом Краскела-Уоллиса
for k,i in enumerate(target_columns[2:-1]):
    group0 = df[(df['OUTCOME']=='Survived')&(df['GT']==0)][i]
    group1 = df[(df['OUTCOME']=='Died')&(df['GT']==0)][i]
    alpha = 0.05
    try:        
        test_value, p  = stats.kruskal(group0,group1)
        if alpha<p:
            append_list.append(['Не получали ГТ',i,'значимость различия не доказана',p,alpha])
        else:
            append_list.append(['Не получали ГТ',i,'обнаружены значимые различия',p,alpha])
    except Exception:
        pass


# т.к. выборки разного размера, в одной из них - мало данных, распределение не нормальное (графики ниже), воспользуемся тестом Краскела-Уоллиса
for k,i in enumerate(target_columns[2:-1]):
    group0 = df[(df['OUTCOME']=='Survived')&(df.Day==1)][i]
    group1 = df[(df['OUTCOME']=='Died')&(df.Day==1)][i]
    alpha = 0.05
    test_value, p  = stats.kruskal(group0,group1)
    if alpha<p:
        append_list.append(['Все пациенты, 1й день',i,'значимость различия не доказана',p,alpha])
    else:
        append_list.append(['Все пациенты, 1й день',i,'обнаружены значимые различия',p,alpha])


# т.к. выборки разного размера, в одной из них - мало данных, распределение не нормальное (графики ниже), воспользуемся тестом Краскела-Уоллиса
for k,i in enumerate(target_columns[2:-1]):
    group0 = df[(df['OUTCOME']=='Survived')&(df.Day==1)&(df.GT==1)][i]
    group1 = df[(df['OUTCOME']=='Died')&(df.Day==1)&(df.GT==1)][i]
    alpha = 0.05
    try:
        test_value, p  = stats.kruskal(group0,group1)
        if alpha<p:
            append_list.append(['Получали ГТ, 1й день',i,'значимость различия не доказана',p,alpha])
        else:
            append_list.append(['Получали ГТ, 1й день',i,'обнаружены значимые различия',p,alpha])
    except Exception:
        pass


# т.к. выборки разного размера, в одной из них - мало данных, распределение не нормальное (графики ниже), воспользуемся тестом Краскела-Уоллиса
for k,i in enumerate(target_columns[2:-1]):
    group0 = df[(df['OUTCOME']=='Survived')&(df.Day==1)&(df.GT==0)][i]
    group1 = df[(df['OUTCOME']=='Died')&(df.Day==1)&(df.GT==0)][i]
    alpha = 0.05
    try:
        test_value, p  = stats.kruskal(group0,group1)
        if alpha<p:
            append_list.append(['Не получали ГТ, 1й день',i,'значимость различия не доказана',p,alpha])
        else:
            append_list.append(['Не получали ГТ, 1й день',i,'обнаружены значимые различия',p,alpha])
    except Exception:
        pass


df_results = pd.DataFrame(append_list)
df_results.columns = columns
df_results.pivot(columns = 'Вариант',index = 'Показатель',values = 'Значимость различий').replace({'обнаружены значимые различия':'+','значимость различия не доказана':'-',}).drop('GT',axis=0)

	count	mean	std	min	25%	50%	75%	max
ID	1390.0	89.139568	53.483134	1.000000	56.000000	84.000000	119.000000	216.000000
Day	1390.0	7.479137	7.851433	1.000000	2.000000	5.000000	9.000000	49.000000
Возраст	1390.0	9.973351	5.452043	0.250000	5.000000	11.000000	15.000000	18.000000
GT	1390.0	0.323022	0.467799	0.000000	0.000000	0.000000	1.000000	1.000000
САД	1390.0	111.279856	15.730912	45.000000	100.000000	110.000000	120.000000	170.000000
ДАД	1390.0	64.853237	12.544982	5.000000	58.000000	65.000000	73.000000	119.000000
СрАД	1390.0	80.328777	12.699138	26.333333	73.333333	80.166667	88.333333	120.666667
ЧСС	1390.0	105.741727	23.503876	24.000000	90.000000	106.000000	120.000000	186.000000
ИА	1390.0	0.975362	0.294496	0.200000	0.781818	0.946333	1.105263	3.100000
SpO2	1390.0	98.374820	3.334239	26.000000	98.000000	99.000000	100.000000	110.000000
Масса тела	1390.0	40.670504	22.671490	6.000000	19.000000	40.000000	60.000000	103.000000
Cl-	1390.0	108.032734	39.348603	0.000000	103.825000	109.000000	115.000000	1102.000000
Лактат	1390.0	1.275676	1.708999	-1.100000	0.000000	1.100000	1.700000	25.000000
Амилаза	1390.0	99.058424	167.838425	0.000000	0.000000	53.400000	118.000000	2520.000000
АЛТ	1390.0	82.039957	163.595932	0.000000	21.500000	39.300000	78.325000	2865.000000
АСТ	1390.0	105.801597	210.000717	0.000000	31.300000	50.600000	98.300000	2458.300000
АЧТВ	1390.0	25.710683	17.771002	0.000000	20.587500	30.000000	35.000000	162.000000
Инфузия, % от N	1390.0	123.688991	53.620712	0.000000	94.802083	117.104186	143.567130	647.916667
КИ	1390.0	8.137281	32.743989	0.000000	0.000000	4.080000	5.000000	956.600000
Площадь тела	1390.0	0.955208	0.333813	0.250000	0.670000	1.030000	1.270000	1.450000
Диурез, мл/кг	1390.0	55.151606	35.221183	0.000000	30.785256	46.666667	72.000000	280.000000

	ID	Day	Возраст	GT	САД	ДАД	СрАД	ЧСС	ИА	SpO2	...	Амилаза	АЛТ	АСТ	АЧТВ	Инфузия, % от N	КИ	Площадь тела	Диурез, мл/кг	OUTCOME
0	1	1	6.00	0.0	100.0	65.0	76.666667	108.0	1.080000	100.0	...	94.2	50.2	86.0	23.6	130.487805	0.0	0.7300	43.500000	Survived
6	2	1	0.42	0.0	100.0	66.0	77.333333	115.0	1.150000	100.0	...	18.3	31.3	46.0	31.5	124.255952	5.0	0.2908	23.571429	Survived
12	3	1	13.00	1.0	120.0	80.0	93.333333	80.0	0.666667	100.0	...	38.8	40.8	90.3	26.0	73.750000	0.0	1.1500	50.909091	Survived
31	4	1	8.00	0.0	110.0	65.0	80.000000	124.0	1.127273	100.0	...	15.3	11.2	35.3	29.1	294.736842	5.0	0.8500	25.666667	Survived
36	5	1	11.00	1.0	115.0	75.0	88.333333	110.0	0.956522	98.0	...	65.6	27.4	52.5	26.9	36.666667	0.0	1.0300	29.400000	Survived

	count	mean	std	min	25%	50%	75%	max
ID	88.0	106.375000	64.528228	3.000000	47.750000	99.500000	162.250000	215.000000
Day	88.0	1.000000	0.000000	1.000000	1.000000	1.000000	1.000000	1.000000
Возраст	88.0	8.797348	5.160294	0.250000	4.000000	8.500000	13.000000	17.000000
GT	88.0	1.000000	0.000000	1.000000	1.000000	1.000000	1.000000	1.000000
САД	88.0	104.795455	21.548213	45.000000	90.000000	106.500000	118.500000	155.000000
ДАД	88.0	60.034091	15.818256	17.000000	50.000000	60.500000	70.000000	100.000000
СрАД	88.0	74.954545	16.927098	26.333333	66.666667	77.666667	85.666667	113.333333
ЧСС	88.0	111.465909	24.578726	54.000000	96.000000	112.500000	122.000000	172.000000
ИА	88.0	1.128057	0.422854	0.412903	0.855820	1.078499	1.273694	2.800000
SpO2	88.0	97.272727	8.681765	26.000000	98.000000	99.000000	100.000000	100.000000
Масса тела	88.0	36.119318	22.140875	6.000000	18.000000	30.000000	51.250000	100.000000
Cl-	88.0	90.795455	44.170079	0.000000	100.675000	105.700000	111.000000	200.400000
Лактат	88.0	1.955682	2.824599	0.000000	0.000000	1.250000	2.800000	17.000000
Амилаза	88.0	34.459091	66.605895	0.000000	0.000000	0.000000	43.975000	329.200000
АЛТ	88.0	144.100000	397.108247	0.000000	15.650000	31.650000	95.325000	2865.000000
АСТ	88.0	208.950000	428.146292	0.000000	27.875000	58.200000	162.650000	2458.300000
АЧТВ	88.0	16.502273	19.595425	0.000000	0.000000	0.000000	30.000000	90.000000
Инфузия, % от N	88.0	96.841263	67.828810	0.000000	54.614504	79.737634	116.593750	353.009259
КИ	88.0	19.281364	106.323936	0.000000	0.000000	0.000000	5.000000	956.600000
Площадь тела	88.0	0.943977	0.310832	0.250000	0.610000	1.030000	1.210000	1.450000
Диурез, мл/кг	88.0	41.803068	32.895691	0.000000	13.722222	33.458333	63.072082	179.166667

	count	mean	std	min	25%	50%	75%	max
ID	115.0	102.408696	59.924499	1.000000	53.000000	102.000000	150.000000	216.000000
Day	115.0	1.000000	0.000000	1.000000	1.000000	1.000000	1.000000	1.000000
Возраст	115.0	9.192725	5.549760	0.250000	4.000000	9.000000	14.500000	18.000000
GT	115.0	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000
САД	115.0	106.460870	17.396454	70.000000	92.500000	110.000000	120.000000	159.000000
ДАД	115.0	63.678261	13.223814	30.000000	55.500000	60.000000	70.000000	119.000000
СрАД	115.0	77.939130	13.730104	43.333333	68.833333	77.333333	86.333333	117.333333
ЧСС	115.0	109.913043	22.587671	40.000000	92.000000	110.000000	125.000000	165.000000
ИА	115.0	1.069361	0.327999	0.407692	0.825121	1.000000	1.211702	2.133333
SpO2	115.0	98.252174	3.942222	70.000000	98.000000	100.000000	100.000000	100.000000
Масса тела	115.0	35.856522	21.586197	6.000000	16.000000	30.000000	50.000000	103.000000
Cl-	115.0	95.575652	38.278129	0.000000	100.850000	107.000000	113.000000	148.000000
Лактат	115.0	1.716522	3.064652	0.000000	0.000000	1.000000	2.500000	25.000000
Амилаза	115.0	35.780870	61.518358	0.000000	0.000000	15.300000	50.850000	533.500000
АЛТ	115.0	122.497826	236.534967	0.000000	12.600000	36.000000	97.250000	1260.700000
АСТ	115.0	172.971043	358.602569	0.000000	0.000000	53.100000	140.700000	2242.000000
АЧТВ	115.0	17.027826	16.857767	0.000000	0.000000	23.500000	31.000000	58.000000
Инфузия, % от N	115.0	95.429568	63.586685	0.000000	56.039136	79.166667	122.143500	295.701754
КИ	115.0	6.584783	32.661305	0.000000	0.000000	0.000000	1.250000	320.000000
Площадь тела	115.0	0.883384	0.334534	0.250000	0.610000	0.850000	1.210000	1.390000
Диурез, мл/кг	115.0	39.011873	34.131423	0.000000	15.250000	30.303030	54.916667	205.384615

	count	mean	std	min	25%	50%	75%	max
Возраст	62.0	7.338710	3.922167	3.000000	4.000000	6.125000	11.750000	15.000000
GT	62.0	0.193548	0.398304	0.000000	0.000000	0.000000	0.000000	1.000000
САД	62.0	110.774194	13.216258	80.000000	102.750000	113.500000	118.750000	150.000000
ДАД	62.0	63.887097	12.420376	35.000000	55.000000	63.000000	70.000000	100.000000
СрАД	62.0	79.516129	11.562561	50.000000	73.083333	77.500000	85.750000	116.666667
ЧСС	62.0	101.145161	19.627554	60.000000	89.000000	98.500000	118.250000	165.000000
ИА	62.0	0.933377	0.257408	0.500000	0.780200	0.865385	1.065152	2.062500
SpO2	62.0	98.774194	2.321809	90.000000	98.000000	99.000000	100.000000	110.000000
Масса тела	62.0	32.741935	22.338627	12.000000	15.000000	21.500000	57.500000	70.000000
Cl-	62.0	100.972581	27.622521	0.000000	101.175000	106.100000	110.750000	129.000000
Лактат	62.0	0.732258	1.322538	0.000000	0.000000	0.000000	1.300000	7.400000
Амилаза	62.0	43.848387	48.114034	0.000000	0.000000	33.000000	64.475000	186.000000
АЛТ	62.0	59.146774	69.878751	5.700000	18.975000	27.200000	74.900000	370.300000
АСТ	62.0	81.050000	87.296940	16.800000	38.000000	52.500000	98.300000	604.200000
АЧТВ	62.0	27.727419	12.050977	0.000000	26.962500	29.200000	33.675000	45.100000
Инфузия, % от N	62.0	106.657416	41.176714	16.607595	82.251450	107.430341	131.557349	205.625000
КИ	62.0	2.338710	6.121565	0.000000	0.000000	0.000000	4.375000	40.000000
Площадь тела	62.0	1.062903	0.245993	0.550000	0.910000	1.090000	1.255000	1.390000
Диурез, мл/кг	62.0	58.592842	37.278234	5.000000	29.060526	51.416667	83.333333	179.166667

Влияние гормональной терапии
дексаметазоном и преднизолоном
на гемодинамический статус у детей с тяжелой политравмой.

Загрузка данных и описательная статистика всей выборки¶

В данном исследовании пациенты отбирались по следующим критериям:¶

Исходя из этих критериев, понятно, что тяжесть состояния пациентов будет либо "тяжелое", либо "крайне тяжелое".¶

Анализ данных¶

Этап 1¶

Пациенты делятся на 2 группы:¶

Нулевая гипотеза: разницы между группами нет.¶

Гистограммы значений параметров.¶

Этап 2¶

Пациенты делятся на 2 группы:¶

Нулевая гипотеза: разницы между группами нет.¶

Критерий Краскела-Уоллиса сравнивает медианы групп. Медианы (не средние!) двух групп представлены в таблице ниже.¶

Гистограммы значений и QQ-плот для оценки нормальности распределения¶

По представленным графикам нельзя говорить о нормальном распределении. Разница между двумя группами оценивалась тестом Краскела-Уоллиса.¶

Этап 3¶

Пациенты делятся на 2 группы:¶

Нулевая гипотеза: разницы между группами нет.¶

К сожалению, данных в нашей БД было недостаточно для такого анализа¶

Этап 4¶

Пациенты делятся на 2 группы:¶

Нулевая гипотеза: разницы между группами нет.¶

Гистограммы значений и графики QQ-плот изучаемых параметров.¶

Этап 5¶

Пациенты делятся на 2 группы:¶

Нулевая гипотеза: разницы между группами нет.¶

Графический анализ¶

Имеется сильная асимметрия выборки: большинство пациентов выжили; 19 - умерли.¶

1й день¶

При анализе первого дня количество анализируемых пациентов не изменяется (все находились в ОРИТ хотя бы 1 день)¶

	count	mean	std	min	25%	50%	75%	max
Возраст	548.0	10.438564	5.361711	0.250000	5.000000	12.000000	16.000000	17.000000
GT	548.0	0.653285	0.476359	0.000000	0.000000	1.000000	1.000000	1.000000
САД	548.0	112.124088	17.412910	45.000000	104.000000	112.500000	120.000000	165.000000
ДАД	548.0	65.399635	13.792632	5.000000	60.000000	65.000000	75.000000	100.000000
СрАД	548.0	80.974453	14.174995	26.333333	73.333333	81.666667	90.083333	120.666667
ЧСС	548.0	105.155109	23.767145	41.000000	88.750000	105.000000	120.000000	186.000000
ИА	548.0	0.966663	0.312359	0.412903	0.775182	0.909091	1.090909	3.100000
SpO2	548.0	98.155109	4.290591	26.000000	98.000000	99.000000	100.000000	100.000000
Масса тела	548.0	42.937956	22.495475	6.000000	20.000000	45.000000	60.000000	100.000000
Cl-	548.0	108.689507	52.394270	0.000000	103.000000	108.000000	114.250000	1102.000000
Лактат	548.0	1.426642	2.010444	0.000000	0.000000	1.200000	1.900000	20.000000
Амилаза	548.0	129.325255	212.679433	0.000000	0.000000	49.300000	172.025000	1940.000000
АЛТ	548.0	88.304927	193.484734	0.000000	23.437500	42.800000	78.750000	2865.000000
АСТ	548.0	121.884215	234.818416	0.000000	34.975000	55.500000	116.000000	2458.300000
АЧТВ	548.0	23.420712	17.319862	0.000000	0.000000	27.800000	34.050000	120.000000
Инфузия, % от N	548.0	120.204809	51.909820	0.000000	89.583333	112.729691	138.134470	552.083333
КИ	548.0	9.804051	25.599881	0.000000	0.000000	4.500000	7.500000	246.000000
Площадь тела	548.0	1.013130	0.314869	0.250000	0.790000	1.090000	1.270000	1.450000
Диурез, мл/кг	548.0	47.774219	28.806952	1.571429	28.000000	42.500000	58.150106	179.500000

	count	mean	std	min	25%	50%	75%	max
Возраст	1232.0	10.154795	5.538551	0.25	4.000000	12.000000	15.000000	18.000000
GT	1232.0	0.293831	0.455701	0.00	0.000000	0.000000	1.000000	1.000000
САД	1232.0	112.331981	14.082478	50.00	104.000000	110.000000	120.000000	170.000000
ДАД	1232.0	65.692370	11.614174	5.00	60.000000	65.000000	73.000000	119.000000
СрАД	1232.0	81.238907	11.469878	30.00	73.333333	81.333333	88.333333	117.666667
ЧСС	1232.0	105.797890	23.279370	24.00	90.000000	106.000000	120.000000	180.000000
ИА	1232.0	0.962915	0.278175	0.20	0.772727	0.933333	1.100000	2.800000
SpO2	1232.0	98.581169	2.996055	26.00	98.000000	99.000000	100.000000	110.000000
Масса тела	1232.0	41.689123	23.182670	6.00	18.000000	45.000000	60.000000	103.000000
Cl-	1232.0	108.456494	38.399841	0.00	103.875000	108.000000	114.000000	1102.000000
Лактат	1232.0	1.263872	1.327962	-1.10	0.000000	1.200000	1.800000	25.000000
Амилаза	1232.0	108.360438	172.023681	0.00	19.662500	61.000000	129.775000	2520.000000
АЛТ	1232.0	77.758352	147.442066	0.00	20.500000	36.750000	71.100000	1885.200000
АСТ	1232.0	97.160081	198.807334	0.00	30.000000	48.300000	83.387500	2242.000000
АЧТВ	1232.0	26.167654	15.476217	0.00	24.000000	30.000000	35.000000	125.000000
Инфузия, % от N	1232.0	123.529011	54.246247	0.00	95.026596	116.583333	142.742529	647.916667
КИ	1232.0	5.558620	14.590389	0.00	0.000000	2.500000	5.000000	199.200000
Площадь тела	1232.0	0.952451	0.331919	0.25	0.670000	1.030000	1.270000	1.390000
Диурез, мл/кг	1232.0	55.327892	35.223939	0.00	30.595631	46.733333	72.500000	280.000000

	count	mean	std	min	25%	50%	75%	max
Возраст	160.0	8.526562	4.473692	0.250000	5.250000	9.000000	13.000000	17.000000
GT	160.0	0.543750	0.499646	0.000000	0.000000	1.000000	1.000000	1.000000
САД	160.0	103.037500	23.474565	45.000000	86.500000	103.000000	117.000000	165.000000
ДАД	160.0	58.393750	16.823949	17.000000	46.750000	59.500000	70.000000	99.000000
СрАД	160.0	73.275000	18.274426	26.333333	60.000000	73.333333	86.833333	120.666667
ЧСС	160.0	105.287500	25.105410	41.000000	90.000000	106.000000	121.250000	186.000000
ИА	160.0	1.072014	0.384730	0.464000	0.838539	0.990990	1.191877	3.100000
SpO2	160.0	96.806250	4.984879	69.000000	98.000000	98.000000	99.000000	100.000000
Масса тела	160.0	32.568750	16.142300	6.000000	20.000000	30.000000	43.000000	75.000000
Cl-	160.0	104.664375	45.801353	0.000000	103.125000	114.500000	133.250000	193.000000
Лактат	160.0	1.350625	3.446044	0.000000	0.000000	0.000000	1.100000	20.000000
Амилаза	160.0	27.372187	105.539960	0.000000	0.000000	0.000000	0.000000	892.000000
АЛТ	160.0	114.610312	253.571733	0.000000	39.375000	71.000000	113.000000	2865.000000
АСТ	160.0	172.093750	272.496902	0.000000	42.100000	111.000000	183.000000	2458.300000
АЧТВ	160.0	22.169375	29.838148	0.000000	0.000000	24.000000	38.000000	162.000000
Инфузия, % от N	160.0	124.882344	48.315790	0.000000	93.714326	125.884109	147.916667	300.176471
КИ	160.0	27.891250	85.292433	0.000000	5.000000	8.000000	20.000000	956.600000
Площадь тела	160.0	0.973625	0.347461	0.410000	0.730000	0.970000	1.285000	1.450000
Диурез, мл/кг	160.0	54.189184	35.582893	0.000000	32.750000	45.684524	70.857558	179.500000

Вариант	Все пациенты	Все пациенты, 1й день	Не получали ГТ	Не получали ГТ, 1й день	Получали ГТ	Получали ГТ, 1й день
Показатель
Cl-	+	-	+	-	+	-
SpO2	+	+	+	+	+	+
АЛТ	+	+	+	-	+	-
АСТ	+	-	-	-	+	-
АЧТВ	+	-	+	-	-	-
Амилаза	+	-	+	-	+	-
Возраст	+	-	-	-	+	-
ДАД	+	+	+	-	+	+
Диурез, мл/кг	-	-	-	-	-	-
ИА	+	-	-	-	+	-
Инфузия, % от N	-	+	-	-	-	+
КИ	+	+	+	+	+	+
Лактат	+	-	+	-	+	-
Масса тела	+	-	-	-	+	-
Площадь тела	-	-	-	-	+	+
САД	+	+	+	-	+	+
СрАД	+	+	+	-	+	+
ЧСС	-	-	-	-	-	-

Влияние гормональной терапиидексаметазоном и преднизолономна гемодинамический статус у детей с тяжелой политравмой.

Загрузка данных и описательная статистика всей выборки¶

В данном исследовании пациенты отбирались по следующим критериям:¶

Исходя из этих критериев, понятно, что тяжесть состояния пациентов будет либо "тяжелое", либо "крайне тяжелое".¶

Анализ данных¶

Этап 1¶

Пациенты делятся на 2 группы:¶

Нулевая гипотеза: разницы между группами нет.¶

Гистограммы значений параметров.¶

Этап 2¶

Пациенты делятся на 2 группы:¶

Нулевая гипотеза: разницы между группами нет.¶

Критерий Краскела-Уоллиса сравнивает медианы групп. Медианы (не средние!) двух групп представлены в таблице ниже.¶

Гистограммы значений и QQ-плот для оценки нормальности распределения¶

По представленным графикам нельзя говорить о нормальном распределении. Разница между двумя группами оценивалась тестом Краскела-Уоллиса.¶

Этап 3¶

Пациенты делятся на 2 группы:¶

Нулевая гипотеза: разницы между группами нет.¶

К сожалению, данных в нашей БД было недостаточно для такого анализа¶

Этап 4¶

Пациенты делятся на 2 группы:¶

Нулевая гипотеза: разницы между группами нет.¶

Гистограммы значений и графики QQ-плот изучаемых параметров.¶

Этап 5¶

Пациенты делятся на 2 группы:¶

Нулевая гипотеза: разницы между группами нет.¶

Графический анализ¶

Имеется сильная асимметрия выборки: большинство пациентов выжили; 19 - умерли.¶

1й день¶

При анализе первого дня количество анализируемых пациентов не изменяется (все находились в ОРИТ хотя бы 1 день)¶

Влияние гормональной терапии
дексаметазоном и преднизолоном
на гемодинамический статус у детей с тяжелой политравмой.